- 机器学习学习笔记(吴恩达)(第三课第一周)(无监督算法,K-means、异常检测)
kgbkqLjm
吴恩达机器学习2022机器学习算法学习
欢迎聚类算法:无监督学习:聚类、异常检测推荐算法:强化学习:聚类(Clustering)聚类算法:查看大量数据点并自动找到彼此相关或相似的数据点。是一种无监督学习算法聚类与二院监督学习算法对比:无监督:(聚类是无监督学习算法之一)聚类算法应用:如相似的新闻文章组合,市场细分,DNA数据分析,天文数据分析(星系、天体结构)K-means算法是一种常用的聚类算法原理概述【K-means工作原理过程】(
- 机器学习学习笔记(八)多项式回归与模型泛化
下雨天的小白鞋
对非线性的数据进行处理,相应的预测----添加新的特征:原有的特征进行多项式组合scikit-learn中的多项式回归PolynomialFeatures构建特征导包:fromsklearn.preprocessingimportPolynomialFeatures实例:poly=PolynomialFeatures(degree=2)##最多二次幂特征poly.fit(X)X2=poly.tra
- 机器学习学习笔记——数学篇
小胡爱喝水
机器学习
数学中常见的argmin,argmax表示的是什么意思arg是英文单词argument(自变量)的缩写,所以从字面意义上也就可以看出其代表的意思就是求对应自变量的最大最小值。例如:(w∗,b∗w^*,b^*w∗,b∗)=argmin∑1m\sum_1^m∑1m(f(xi)−yif(x_i)-y_if(xi)−yi)求均方误差最小化时的w∗,b∗w^*,b^*w∗,b∗。argmax类似。
- 机器学习学习笔记(3)——量纲与无量纲,标准化、归一化、正则化
野指针小李
数学机器学习机器学习标准化归一化正则化量纲
量纲、无量纲,标准化、归一化、正则化是我百度了很多次都不进脑子的知识,所以我决定还是放在博客上面。不过鉴于我查阅了很多资料,说是有许多的坑,所以我也不清楚我的理解和解释是否是坑,具体的就留给各位来帮忙评判了!目录1量纲与无量纲1.1量纲1.2无量纲2标准化3归一化4正则化5总结6参考1量纲与无量纲1.1量纲量纲我觉得最重要的一句话是:物理量的大小与单位有关。从这句话我们来思考下最核心的两个单词:大
- 机器学习学习笔记 1 Bagging模型
锋锋的快乐小窝
机器学习学习笔记机器学习笔记决策树
Bagging模型Bagging全称(bootstrapaggregation)并行训练一堆分类器的集成方法。每个基模型可以分别、独立、互不影响地生成最典型的代表就是随机森林随机:数据采样随机,特征选择随机森林:很多决策树并行放在一起由于二重随机性,使得每个树基本上都不会一样,最终的结果也会不一样之所以随机选择,是要保证泛化能力,如果树都一样,那就失去参考价值随机森林(RF)的优势:它能够处理很高
- 李宏毅机器学习学习笔记——自注意力机制
jolando
学习笔记机器学习深度学习
self-attention应用场景为什么要使用Self-attention?Self-attention计算过程PositionalEncodingSelf-attention的变体Multi-headSelf-attentionTruncatedSelf-attentionSelf-attention与其他神经网络的比较Self-attentionv.s.CNNSelf-attentionv.
- 机器学习学习笔记——第一章:绪论
福旺旺
机器学习机器学习
机器学习机器学习学习笔记——第一章:绪论文章目录机器学习机器学习学习笔记——第一章:绪论机器学习即为构建一个机器调参的映射函数。要进行机器学习,先要有数据。一、基础术语1.1、数据准备阶段1.2、学得模型阶段1.3、测试模型阶段1.4、典型的机器学习过程1.5、总结二、假设空间三、归纳偏好四、机器学习理论五、机器学习的现实应用机器学习即为构建一个机器调参的映射函数。要进行机器学习,先要有数据。一、
- 机器学习学习笔记——第二章:模型评估与选择
福旺旺
机器学习机器学习人工智能
机器学习机器学习学习笔记——第二章:模型评估与选择文章目录机器学习一、经验误差与过拟合1.1、经验误差与泛化误差1.2、过拟合与欠拟合二、三个问题三、评估方法3.1、留出法(hold-out)3.2、k折-交叉验证法(k-foldcrossvalidation)3.3、自助法(bootstrap)3.4、调参与最终模型四、性能度量4.1、错误率与精度4.2、查准率、查全率与F14.3、ROC与AU
- Python机器学习实践(一)多项式拟合(简单房价预测)
AiTingDeTong
Python机器学习python机器学习人工智能数据分析
Python机器学习学习笔记与实践环境:win10+Anaconda3.8例子一源自《Python与机器学习实战》—何宇健任务:现有47个房子的面积和价格,需要建立一个模型对房价进行预测。1、获取和处理数据房子的面积与价格对应的数据点击下面获得:点击此处获取导入库,并读取文本文件的数据:importnumpyasnpimportmatplotlib.pyplotasplt#读取房子面积和对应的价格
- 【机器学习学习笔记】机器学习入门&监督学习
MikeBennington
机器学习学习笔记机器学习学习人工智能
1.机器学习入门1.1WhatisMachineLearning?"Fieldofstudythatgivescomputerstheabilitytolearnwithoutbeingexplicitlyprogrammed."——ArthurSamuel(1959)亚瑟·萨缪尔:跳棋程序编写者常用机器学习算法:Supervisedlearning(moreimportant)Unsupervi
- 【李宏毅机器学习】Gradient Descent_1 梯度下降(p5、p6、p7 )学习笔记
duanyuchen
MachineLearning机器学习李宏毅学习笔记
李宏毅机器学习学习笔记汇总课程链接文章目录ReviewGradientDescentTipsTip1:Tuningyourlearningrate小心微调你的学习率Tip2StochasticGradientDescentSGD随机梯度下降Tip3FeatureScaling特征缩放GradientDescentReview在第三步,找一个最好的function,解一个optimization最优
- python机器学习学习笔记(六)
weixin_46753186
python机器学习python数据分析支持向量机机器学习
支持向量机分类实例:用SVM分类器对Iris数据集分析并绘制分类图1.线性importnumpyasnpimportmatplotlib.pyplotaspltfromsklearnimportsvm,datasetsiris=datasets.load_iris()x=iris.data[:,:2]#iris数据萼片的长和宽y=iris.targetsvc=svm.SVC(kernel='lin
- 机器学习学习笔记(二)环境搭建
下雨天的小白鞋
语言基础:Python3IDE:Pycharm集成环境:anacoda一.Anacoda下载地址:https://www.anaconda.com/download/下载页面下载-安装安装成功后打开AnacondaNavigator选择jupyterlaunch等会会出现二.Pycharm下载地址:https://www.jetbrains.com/pycharm/download/#sectio
- 机器学习学习笔记(一)基础
下雨天的小白鞋
一.开发环境框架:scikit-learn工具:pycharm,ANACONDA二.开发基础2.1概念数据集下载:scikit-learn内置数据集或者直接下载的数据集:数据整体样本:每一行数据特征:除最后一列,每一列表达样本的一个特征标记:最后一列特征值、特征向量、特征空间2.2基本任务:分类任务、回归任务2.2.1分类任务二分类任务:例如:判断邮件是否为垃圾邮件多分类任务:图像识别,数字识别多
- 机器学习学习笔记2(Ng课程cs229)
-慢慢-
AI机器学习学习笔记cs229高斯混合模型朴素贝叶斯
牛顿方法简单的来说就是通过求当前点的导数得到下一个点.用到的性质是导数值等于该点切线和横轴夹角的正切值.极大似然估计收敛速度:quadraticconversions二次收敛θ为矩阵时每次迭代都需要重新计算H->nxn特征较多时计算量比较大极大似然估计可以推导:高斯分布=>最小二乘法伯努利分布=>logistic回归指数分布族exponentialfamilydistributionp(y;η)=
- python机器学习学习笔记——学习资源汇总
那么CHEN
pythonpython机器学习人工智能编程语言大数据
参考资料Python集成开发环境(IDE)[1]IDLE:Python解释器默认工具[2]VisualStudioCode:https://code.visualstudio.com/[3]PyCharm:https://www.jetbrains.com/pycharm/[4]Anaconda:https://www.continuum.io/参考教程[1]《Python语言程序设计基础(第2版
- 机器学习学习笔记之——模型评估与改进之交叉验证和网格搜索
前丨尘忆·梦
tensorflow深度学习机器学习
交叉验证与网格搜索前面讨论了监督学习和无监督学习的基本原理,并探索了多种机器学习算法,本章我们深入学习模型评估与参数选择。我们将重点介绍监督方法,包括回归与分类,因为在无监督学习中,模型评估与选择通常是一个非常定性的过程。到目前为止,为了评估我们的监督模型,我们使用train_test_split函数将数据集划分为训练集和测试集,在训练集上调用fit方法来构建模型,并且在测试集上用score方法来
- python机器学习学习笔记(五)
weixin_46753186
python机器学习python机器学习支持向量机数据分析
非线性支持向量机分类1.三次多项式用多项式曲线把决策空间分成两部分kernel='poly',degree为多项式次数importnumpyasnpimportmatplotlib.pyplotaspltfromsklearnimportsvmx=np.array([[1,3],[1,2],[1,1.5],[1.5,2],[2,3],[2.5,1.5],[2,1],[3,1],[3,2],[3.5
- 机器学习学习笔记week1
yangqingao
深度学习机器学习
week11引言1.1机器学习是什么?1.2监督学习1.3无监督学习2单变量线性回归2.1模型表示2.2代价函数2.3代价函数的直观理解I2.4代价函数的直观理解II2.5梯度下降2.6梯度下降的直观理解2.7梯度下降的线性回归3线性代数回顾3.1矩阵和向量3.2加法和标量乘法3.3矩阵向量乘法3.4矩阵乘法3.5矩阵乘法的性质3.6逆、转置1引言1.1机器学习是什么?ArthurSamuel:在
- 机器学习 学习笔记(持续更新)
Include everything
学习算法
机器学习学习笔记一、导论1.1什么是机器学习? 机器学习是在没有明确设置的情况下使计算机具有学习能力的研究领域。(ArthurSamuel-1959) 计算机程序从经验E(计算机自己与自己下成千上百万次棋)中学习,解决某一任务T(下跳棋),进行某一性能度量P(与新对手玩跳棋时赢的概率),通过P测定在T上的表现因经验E而提高的程度。(TomMitchell-1998) 机器学习算法最主要分为监
- 机器学习学习笔记(1)
后季暖
字典特征提取第一列表示北京第二列表示上海第三列表示深圳第四列表示温度前面三列是的话用1不是的话用0什么时候用稀疏矩阵:比如上面这种情况当你的城市很多的情况下那这样就会出现大量的0而系数矩阵只存储不是0的位置可以节省大量空间为什么采用这种表示方法呢?首先我们来看假如要分类:人是1企鹅是2章鱼是3那么这样数字表示的就存在优先级不如按这种办法来pclass是一等舱二等舱三等舱这种字典特征抽取的应用场景:
- 机器学习学习笔记——batchsize越大越好?
phily123
机器学习学习笔记深度学习神经网络机器学习
batchsize不是越大越好使用mini-batch好处:提高了运行效率,相比batch-GD的每个epoch只更新一次参数,使用mini-batch可以在一个epoch中多次更新参数,加速收敛。解决了某些任务中,训练集过大,无法一次性读入内存的问题。虽然第一点是mini-batch提出的最初始的原因,但是后来人们发现,使用mini-batch还有个好处,即每次更新时由于没有使用全量数据而仅仅使
- 机器学习学习笔记(一)
图南zzz
python机器学习人工智能算法
目录机器学习笔记(一)一、模型评估二、监督学习三、无监督学习四、单变量线性回归(LinearRegressionwithOneVariable)3.1代价函数(平方误差函数)(损失函数)3.2梯度下降3.3梯度下降的线性回归五、多变量线性回归(LinearRegressionwithMultipleVariables)4.1多维特征4.2多变量梯度下降4.3梯度下降之特征缩放六、正规方程六、逻辑回
- 机器学习学习笔记之——监督学习之线性模型
前丨尘忆·梦
tensorflow深度学习机器学习
线性模型线性模型利用输入特征的线性函数(linearfunction)进行预测。1、用于回归的线性模型对于回归问题,线性模型预测的一般公式如下:y^=w[0]∗x[0]+w[1]∗x[1]+...+w[p]∗x[p]+b\hat{y}=w[0]*x[0]+w[1]*x[1]+...+w[p]*x[p]+by^=w[0]∗x[0]+w[1]∗x[1]+...+w[p]∗x[p]+b这里x[0]到x[
- 机器学习学习笔记(一)——多元线性回归(Multivariate Linear Regression)
lancetop-stardrms
机器学习机器学习
多元线性回归(multivariatelinearregression):在线性回归问题(Linearregression)中,引入多个特征变量(MultipleFeatures)作为输入,也被称为“多元线性回归(MultivariateLinearRegression)”.符号定义:假设函数(hypothesisfunction):Themultivariableformofthehypothe
- 吴恩达机器学习学习笔记——Week 2——多元线性回归(Multivariate Linear Regression)
预见未来to50
机器学习深度学习(MLDeepLearning)
一、课件及课堂练习1.多个特征值(多变量)课堂练习:2.多元梯度下降课堂练习:3.梯度下降实践1——特征值缩放(均值归一化)课堂练习:4.梯度下降实践2——学习率课堂练习:5.特征数量及多项式回归课堂练习:6.标准方程课堂练习:7.标准方程法可能遇到不可逆问题二、内容概要1.多个特征值2.多元梯度下降3.梯度下降实践1——特征值缩放4.梯度下降实践2——学习率5.特征数量及多项式回归6.标准方程7
- 机器学习学习笔记之:loss function损失函数及activation function激活函数
csdshelton
之所以把损失函数和激活函数放在一起做个总结,是因为本身这两都带函数,都是机器学习中的内容,很容易混在一起,第二点,这两者总是一起出现,根据任务的不同,可能出现不同的排列组合。因此想一起整理一下。不同的机器学习方法的损失函数DifferentLossfunctionsfordifferentmachinelearningMethods不同的机器学习方法,损失函数不一样,quadraticloss(平
- Python机器学习学习笔记之——引言
前丨尘忆·梦
tensorflow深度学习机器学习
引言mglearn库的下载地址:链接:https://pan.baidu.com/s/1FkRGBFgtjqsZTikLEJbtzg提取码:4db0机器学习是从数据中提取知识。它是统计学、人工智能和计算机科学交叉的研究领域,也被称为预测分析或统计学习。1、为何选择机器学习在“智能”应用早期,许多系统使用人为制定的“if”和“else”决策规则来处理数据,或根据用户输入的内容进行调整。但人为制定决策
- 《机器学习》周志华(西瓜书)学习笔记 第八章 集成学习
Sundm@lhq
机器学习西瓜书学习笔记机器学习学习笔记集成学习周志华
机器学习学习笔记4总目录第八章集成学习8.1个体与集成集成学习(ensemblelearning)通过构建并结合多个学习器来完成学习任务,有时也被称为多分类器系统(multi-classifiersystem)、基于委员会的学习(committee-basedlearning)等.集成学习的一般结构:先产生一组"个体学习器"(individuallearner),再用某种策略将它们结合起来。同质集
- 【李宏毅机器学习】Recurrent Neural Network Part1 循环神经网络(p20) 学习笔记
duanyuchen
MachineLearning机器学习李宏毅学习笔记
李宏毅机器学习学习笔记汇总课程链接文章目录ExampleApplicationSlotFilling把词用向量来表示的方法1-of-Nencoding/one-hotBeyond1-of-Nencoding存在的问题RecurrentNeuralNetwork(RNN)ExampleRNN处理slotsfilling问题Ofcourseitcanbedeep...RNN的变形ElmanNetwor
- ztree异步加载
3213213333332132
JavaScriptAjaxjsonWebztree
相信新手用ztree的时候,对异步加载会有些困惑,我开始的时候也是看了API花了些时间才搞定了异步加载,在这里分享给大家。
我后台代码生成的是json格式的数据,数据大家按各自的需求生成,这里只给出前端的代码。
设置setting,这里只关注async属性的配置
var setting = {
//异步加载配置
- thirft rpc 具体调用流程
BlueSkator
中间件rpcthrift
Thrift调用过程中,Thrift客户端和服务器之间主要用到传输层类、协议层类和处理类三个主要的核心类,这三个类的相互协作共同完成rpc的整个调用过程。在调用过程中将按照以下顺序进行协同工作:
(1) 将客户端程序调用的函数名和参数传递给协议层(TProtocol),协议
- 异或运算推导, 交换数据
dcj3sjt126com
PHP异或^
/*
* 5 0101
* 9 1010
*
* 5 ^ 5
* 0101
* 0101
* -----
* 0000
* 得出第一个规律: 相同的数进行异或, 结果是0
*
* 9 ^ 5 ^ 6
* 1010
* 0101
* ----
* 1111
*
* 1111
* 0110
* ----
* 1001
- 事件源对象
周华华
JavaScript
<!DOCTYPE html PUBLIC "-//W3C//DTD XHTML 1.0 Transitional//EN" "http://www.w3.org/TR/xhtml1/DTD/xhtml1-transitional.dtd">
<html xmlns="http://www.w3.org/1999/xhtml&q
- MySql配置及相关命令
g21121
mysql
MySQL安装完毕后我们需要对它进行一些设置及性能优化,主要包括字符集设置,启动设置,连接优化,表优化,分区优化等等。
一 修改MySQL密码及用户
 
- [简单]poi删除excel 2007超链接
53873039oycg
Excel
采用解析sheet.xml方式删除超链接,缺点是要打开文件2次,代码如下:
public void removeExcel2007AllHyperLink(String filePath) throws Exception {
OPCPackage ocPkg = OPCPac
- Struts2添加 open flash chart
云端月影
准备以下开源项目:
1. Struts 2.1.6
2. Open Flash Chart 2 Version 2 Lug Wyrm Charmer (28th, July 2009)
3. jofc2,这东西不知道是没做好还是什么意思,好像和ofc2不怎么匹配,最好下源码,有什么问题直接改。
4. log4j
用eclipse新建动态网站,取名OFC2Demo,将Struts2 l
- spring包详解
aijuans
spring
下载的spring包中文件及各种包众多,在项目中往往只有部分是我们必须的,如果不清楚什么时候需要什么包的话,看看下面就知道了。 aspectj目录下是在Spring框架下使用aspectj的源代码和测试程序文件。Aspectj是java最早的提供AOP的应用框架。 dist 目录下是Spring 的发布包,关于发布包下面会详细进行说明。 docs&nb
- 网站推广之seo概念
antonyup_2006
算法Web应用服务器搜索引擎Google
持续开发一年多的b2c网站终于在08年10月23日上线了。作为开发人员的我在修改bug的同时,准备了解下网站的推广分析策略。
所谓网站推广,目的在于让尽可能多的潜在用户了解并访问网站,通过网站获得有关产品和服务等信息,为最终形成购买决策提供支持。
网站推广策略有很多,seo,email,adv
- 单例模式,sql注入,序列
百合不是茶
单例模式序列sql注入预编译
序列在前面写过有关的博客,也有过总结,但是今天在做一个JDBC操作数据库的相关内容时 需要使用序列创建一个自增长的字段 居然不会了,所以将序列写在本篇的前面
1,序列是一个保存数据连续的增长的一种方式;
序列的创建;
CREATE SEQUENCE seq_pro
2 INCREMENT BY 1 -- 每次加几个
3
- Mockito单元测试实例
bijian1013
单元测试mockito
Mockito单元测试实例:
public class SettingServiceTest {
private List<PersonDTO> personList = new ArrayList<PersonDTO>();
@InjectMocks
private SettingPojoService settin
- 精通Oracle10编程SQL(9)使用游标
bijian1013
oracle数据库plsql
/*
*使用游标
*/
--显示游标
--在显式游标中使用FETCH...INTO语句
DECLARE
CURSOR emp_cursor is
select ename,sal from emp where deptno=1;
v_ename emp.ename%TYPE;
v_sal emp.sal%TYPE;
begin
ope
- 【Java语言】动态代理
bit1129
java语言
JDK接口动态代理
JDK自带的动态代理通过动态的根据接口生成字节码(实现接口的一个具体类)的方式,为接口的实现类提供代理。被代理的对象和代理对象通过InvocationHandler建立关联
package com.tom;
import com.tom.model.User;
import com.tom.service.IUserService;
- Java通信之URL通信基础
白糖_
javajdkwebservice网络协议ITeye
java对网络通信以及提供了比较全面的jdk支持,java.net包能让程序员直接在程序中实现网络通信。
在技术日新月异的现在,我们能通过很多方式实现数据通信,比如webservice、url通信、socket通信等等,今天简单介绍下URL通信。
学习准备:建议首先学习java的IO基础知识
URL是统一资源定位器的简写,URL可以访问Internet和www,可以通过url
- 博弈Java讲义 - Java线程同步 (1)
boyitech
java多线程同步锁
在并发编程中经常会碰到多个执行线程共享资源的问题。例如多个线程同时读写文件,共用数据库连接,全局的计数器等。如果不处理好多线程之间的同步问题很容易引起状态不一致或者其他的错误。
同步不仅可以阻止一个线程看到对象处于不一致的状态,它还可以保证进入同步方法或者块的每个线程,都看到由同一锁保护的之前所有的修改结果。处理同步的关键就是要正确的识别临界条件(cri
- java-给定字符串,删除开始和结尾处的空格,并将中间的多个连续的空格合并成一个。
bylijinnan
java
public class DeleteExtraSpace {
/**
* 题目:给定字符串,删除开始和结尾处的空格,并将中间的多个连续的空格合并成一个。
* 方法1.用已有的String类的trim和replaceAll方法
* 方法2.全部用正则表达式,这个我不熟
* 方法3.“重新发明轮子”,从头遍历一次
*/
public static v
- An error has occurred.See the log file错误解决!
Kai_Ge
MyEclipse
今天早上打开MyEclipse时,自动关闭!弹出An error has occurred.See the log file错误提示!
很郁闷昨天启动和关闭还好着!!!打开几次依然报此错误,确定不是眼花了!
打开日志文件!找到当日错误文件内容:
--------------------------------------------------------------------------
- [矿业与工业]修建一个空间矿床开采站要多少钱?
comsci
地球上的钛金属矿藏已经接近枯竭...........
我们在冥王星的一颗卫星上面发现一些具有开采价值的矿床.....
那么,现在要编制一个预算,提交给财政部门..
- 解析Google Map Routes
dai_lm
google api
为了获得从A点到B点的路劲,经常会使用Google提供的API,例如
[url]
http://maps.googleapis.com/maps/api/directions/json?origin=40.7144,-74.0060&destination=47.6063,-122.3204&sensor=false
[/url]
从返回的结果上,大致可以了解应该怎么走,但
- SQL还有多少“理所应当”?
datamachine
sql
转贴存档,原帖地址:http://blog.chinaunix.net/uid-29242841-id-3968998.html、http://blog.chinaunix.net/uid-29242841-id-3971046.html!
------------------------------------华丽的分割线--------------------------------
- Yii使用Ajax验证时,如何设置某些字段不需要验证
dcj3sjt126com
Ajaxyii
经常像你注册页面,你可能非常希望只需要Ajax去验证用户名和Email,而不需要使用Ajax再去验证密码,默认如果你使用Yii 内置的ajax验证Form,例如:
$form=$this->beginWidget('CActiveForm', array( 'id'=>'usuario-form',&
- 使用git同步网站代码
dcj3sjt126com
crontabgit
转自:http://ued.ctrip.com/blog/?p=3646?tn=gongxinjun.com
管理一网站,最开始使用的虚拟空间,采用提供商支持的ftp上传网站文件,后换用vps,vps可以自己搭建ftp的,但是懒得搞,直接使用scp传输文件到服务器,现在需要更新文件到服务器,使用scp真的很烦。发现本人就职的公司,采用的git+rsync的方式来管理、同步代码,遂
- sql基本操作
蕃薯耀
sqlsql基本操作sql常用操作
sql基本操作
>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>
蕃薯耀 2015年6月1日 17:30:33 星期一
&
- Spring4+Hibernate4+Atomikos3.3多数据源事务管理
hanqunfeng
Hibernate4
Spring3+后不再对JTOM提供支持,所以可以改用Atomikos管理多数据源事务。Spring2.5+Hibernate3+JTOM参考:http://hanqunfeng.iteye.com/blog/1554251Atomikos官网网站:http://www.atomikos.com/ 一.pom.xml
<dependency>
<
- jquery中两个值得注意的方法one()和trigger()方法
jackyrong
trigger
在jquery中,有两个值得注意但容易忽视的方法,分别是one()方法和trigger()方法,这是从国内作者<<jquery权威指南》一书中看到不错的介绍
1) one方法
one方法的功能是让所选定的元素绑定一个仅触发一次的处理函数,格式为
one(type,${data},fn)
&nb
- 拿工资不仅仅是让你写代码的
lampcy
工作面试咨询
这是我对团队每个新进员工说的第一件事情。这句话的意思是,我并不关心你是如何快速完成任务的,哪怕代码很差,只要它像救生艇通气门一样管用就行。这句话也是我最喜欢的座右铭之一。
这个说法其实很合理:我们的工作是思考客户提出的问题,然后制定解决方案。思考第一,代码第二,公司请我们的最终目的不是写代码,而是想出解决方案。
话粗理不粗。
付你薪水不是让你来思考的,也不是让你来写代码的,你的目的是交付产品
- 架构师之对象操作----------对象的效率复制和判断是否全为空
nannan408
架构师
1.前言。
如题。
2.代码。
(1)对象的复制,比spring的beanCopier在大并发下效率要高,利用net.sf.cglib.beans.BeanCopier
Src src=new Src();
BeanCopier beanCopier = BeanCopier.create(Src.class, Des.class, false);
- ajax 被缓存的解决方案
Rainbow702
JavaScriptjqueryAjaxcache缓存
使用jquery的ajax来发送请求进行局部刷新画面,各位可能都做过。
今天碰到一个奇怪的现象,就是,同一个ajax请求,在chrome中,不论发送多少次,都可以发送至服务器端,而不会被缓存。但是,换成在IE下的时候,发现,同一个ajax请求,会发生被缓存的情况,只有第一次才会被发送至服务器端,之后的不会再被发送。郁闷。
解决方法如下:
① 直接使用 JQuery提供的 “cache”参数,
- 修改date.toLocaleString()的警告
tntxia
String
我们在写程序的时候,经常要查看时间,所以我们经常会用到date.toLocaleString(),但是date.toLocaleString()是一个过时 的API,代替的方法如下:
package com.tntxia.htmlmaker.util;
import java.text.SimpleDateFormat;
import java.util.
- 项目完成后的小总结
xiaomiya
js总结项目
项目完成了,突然想做个总结但是有点无从下手了。
做之前对于客户端给的接口很模式。然而定义好了格式要求就如此的愉快了。
先说说项目主要实现的功能吧
1,按键精灵
2,获取行情数据
3,各种input输入条件判断
4,发送数据(有json格式和string格式)
5,获取预警条件列表和预警结果列表,
6,排序,
7,预警结果分页获取
8,导出文件(excel,text等)
9,修